摘要: event_loop 一个线程只有一个event_loop 1、get_event_loop() 只能在主线程中创建event_loop,子线程的loop要在主线程通过new_event_loop创建,然后在子线程中使用set_event_loop来设置,如果 在子线程中直接用get_event_l 阅读全文
posted @ 2018-11-12 23:06 xinghun85 阅读(860) 评论(0) 推荐(0) 编辑
摘要: async/await关键字是出现在python3.4以后。网上已经有很多文章对async/await这两个关键字都有讲解,包括如何由python2的yield from发展到async/await这两个关键字,以及一些代码实现都有。但是对于像我这样初次接触的人来说,光看代码分析也不一定能理解,我也 阅读全文
posted @ 2018-11-10 00:20 xinghun85 阅读(105742) 评论(17) 推荐(14) 编辑
摘要: 什么是适配器?就相当手机的转换插头一样,让usb接口换成三脚插。在python里就是,让不同的类拥有同样的方法可以调用。 先看代码 适配器的主要实现是self.__dict__.update(func),通过此方法来更新Adapt类的属性,参数func是以字典形式传入。c = Adapt(dict( 阅读全文
posted @ 2018-08-14 11:46 xinghun85 阅读(924) 评论(0) 推荐(0) 编辑
摘要: 装饰器 用于减少重复代码,使得代码在编写时更加简洁、灵活 1、装饰器(函数)装饰函数(这个有点绕) 2、装饰器类装饰函数。类Desc里含有all函数用来装饰类Samp里的one方法。这种方法可以改变被装饰类的属性值。 输出如下: 3、装饰器(类)装饰 类 输出如下: 装饰器类装饰类,就相当方法装饰方 阅读全文
posted @ 2018-08-04 22:39 xinghun85 阅读(216) 评论(0) 推荐(0) 编辑
摘要: 近期股市行情牛转熊,大盘一直下探!由3200跌到了2700,想必很多人被深套了。这时想起人工智能能否预测股市趋势?RNN能否起作用? 这时便从网上找下教程,发现网上有个例子,便拿来一试!Tensorflow实例:利用LSTM预测股票每日最高价(二) 这个实例大体上没有大问题,只是有些小细节有问题!要 阅读全文
posted @ 2018-07-07 18:07 xinghun85 阅读(816) 评论(0) 推荐(0) 编辑
摘要: #-*- coding:utf-8 -*- import os import tensorflow as tf import cv2 ''' 文件目录为 chiwawa/ xx.jpg xx.jpg ..... japandog/ xx.jpg xx.jpg ..... ''' cwd = 'f:/py/tfrecord/' clas... 阅读全文
posted @ 2018-06-01 01:14 xinghun85 阅读(1156) 评论(0) 推荐(0) 编辑
摘要: 1 #-*- coding:utf-8 -*- 2 import tensorflow as tf 3 from PIL import Image 4 5 cwd = 'f:/py/tfrecord/aa/' # 读取图片后存放的文件路径 6 filename = tf.train.string_input_producer(['f:/py/tfrecord/tr... 阅读全文
posted @ 2018-06-01 00:57 xinghun85 阅读(3268) 评论(0) 推荐(0) 编辑
摘要: 1、创建python虚拟环境。 conda create -n xxx python=x.x 2、使用激活(或切换不同python版本)的虚拟环境。 Linux: source activate (虚拟环境名称) Windows: activate (虚拟环境名称) 3、对虚拟环境中安装额外的包。 阅读全文
posted @ 2018-05-31 12:00 xinghun85 阅读(1332) 评论(0) 推荐(0) 编辑
摘要: 借着上一篇对sigmoid的理解,将sotfmax替换成sigmoid即可!区别在于sotfmax解决的是多分类问题。 先来看几个重要的关键点: 1、sotfmax 是在一堆数值里面取最大数的概率。如tf.nn.softmax([1.0, 3.0, 4.2, 2.6]),返回的结果是[0.02640 阅读全文
posted @ 2018-05-29 12:09 xinghun85 阅读(458) 评论(0) 推荐(0) 编辑
摘要: 今天研究了很久的sigmoid,把学习结果总结一下。 sigmoid的二分类问题。 首先我们得有个样本,比如书上的例子。通过人的体重和年龄,来预测血脂的高低。那么数据形式就是[weight,age],血脂的高低用1和0表示,1表示高,0表示低。[1]或者[0] 100个样本数据就是[[88,33], 阅读全文
posted @ 2018-05-29 00:45 xinghun85 阅读(2390) 评论(0) 推荐(0) 编辑